מדוע "איך אתה משתמש ב-AI?" היא השאלה הלא נכונה
- 28 ביוני
- זמן קריאה 7 דקות
מאת חני שלטון
30.06.2026
מחקר איכותני חדש, שנערך עם אנשי מקצוע, מצביע על כך שהשאלה הנפוצה ביותר על אודות בינה מלאכותית מפספסת את עיקר העניין. במקומה, המחקר מציע ארבע שאלות אחרות, שמשנות את האופן כשבו אנחנו מבינים מה באמת קורה כשאדם עובד עם AI.
כדי להבין מדוע השאלה הזו מפספסת את הנקודה, אפשר לדמיין שני אנשים. שניהם בונים כלי בעזרת AI, ושניהם עובדים עם Claude או GPT שעות רבות בשבוע. אם נשאל אותם כיצד הם משתמשים בבינה מלאכותית, נקבל משניהם תשובה כמעט זהה: בניית כלים, יצירת תוכן ואוטומציות. מבחוץ, נראה שמדובר באותה המשימה בדיוק. אך מבפנים, מדובר בשני עולמות שונים לחלוטין.
האדם הראשון שוקע בתוך הבנייה משום שהיא חלק מזהותו. הפרויקט אינו רק מה שהוא עושה, אלא ביטוי למי שהוא. לעיתים הוא עובד עד שעות קטנות ש כדי להעניק מתנה לאשתו, מתוך אמפתיה עמוקה ורצון להקל עליה. הוא אינו חייב לאהוב את עצם הבנייה, אך הוא בכל זאת אוהב אותה. שני האנשים מגיעים לאותה פעולה ממקומות פנימיים שונים לגמרי.
כל מדד מקובל - שעות שימוש, מספר הפרומפטים או החזר ההשקעה (ROI) - יציג את שני האנשים כזהים. אך מה שכל אחד מהם מפיק מהחוויה, מה שהוא לומד ממנה, ומה שיגרום לאחד להתמיד ולאחר לנטוש, שונה זה מזה לחלוטין. המחקר המתואר כאן מבקש לתת שם להבדל הזה בדיוק.
אז מה בעצם חסר לנו? שפה מדויקת
כשאנחנו אומרים "שימוש ב-AI", אנחנו למעשה מתארים קטגוריה רחבה כל כך עד שהיא כמעט ריקה מתוכן. אפשר להמחיש זאת באמצעות שאלה דומה: "האם אתה משתמש בשפה?" התשובה כמובן חיובית, אך גם הרצאה אקדמית וגם ריב עם בן זוג הם שימוש בשפה. אין כמעט דבר משמעותי שאפשר ללמוד מעצם העובדה ששניהם "משתמשים בשפה". כך בדיוק הדבר גם ב"שימוש ב-AI".
המחקר האיכותני, שנערך עם אנשי מקצוע, בהם מנכ"לים, מורים, יוצרים, מפתחים והורים - ביקש להתמודד בדיוק עם הבעיה הזו. במקום לשאול "כמה" ו"מה", ראיונות העומק שאלו שאלה אחרת לגמרי: מה קורה לאדם מבפנים בזמן השימוש? התשובות לשאלה הזו הובילו לפיתוח מסגרת של ארבעה צירים, שמציעה שפה חדשה לתיאור האינטראקציה בין אדם לבין בינה מלאכותית.
"לא שאלנו 'כמה אתם משתמשים' - שאלנו 'מה קורה לכם פנימית'. זה הבדל שמשנה את הכל."
מהמחקר
ארבעת הצירים: מסגרת חדשה להבנת השימוש
הציר הראשון עוסק בשאלה מה האדם עושה בפועל מול ה-AI. כאן זיהה המחקר שישה מצבי שימוש שונים: חקירת ידע (Epistemic), בניית פתרון (Builder), בקשה לראות את הדברים דרך עיניים אחרות (Perspective-Shift), חשיבה משותפת (Collaborative), בדיקת הנחות (Verifier), והגברת ההשפעה על אחרים (Multiplier). אלו שישה מצבים שנראים דומים מאוד מבחוץ, אך מייצרים חוויות שונות לחלוטין מבפנים. אחד המשתתפים, יזם חברתי, תיאר את המעבר הזה במשפט אחד: "אין לי יותר גוגל. יש לי עכשיו חבר חכם שאני יכול לדסקס איתו דברים." מבחינתו ה-AI אינו מנוע חיפוש, אלא שותף לשיחה. אצל אחרים אותו כלי משמש בתפקיד אחר לגמרי. חוקרת מהאקדמיה תיארה חשיבה משותפת ממשית: "אנחנו חושבים יחד. הוא כבר מכיר אותי, יודע איך אני עובדת." לעומתה, היא גם זו שהדגישה את מצב ה-Verifier - הפיקוח כחלק מהזהות: "כל הזמן אני צריכה להשגיח עליו, ובעיניי זה מקסים, כי קודם כל יש לי עוד זכות קיום." ומתכננת ואם שהשתתפה במחקר ניסחה את מצב ה-Multiplier בפשטות: "אני לא חושבת שאני מתעניינת בתחום הבינה. הבינה מאפשרת לי לעשות דברים."
הציר השני עוסק בשאלה מה מביא את האדם אל ה-AI מלכתחילה, כלומר בסוג הסקרנות שמניעה אותו. יש המגיעים עם שאלה בוערת שהם חייבים לפתור - סקרנות מסוג D, הנובעת מאי-נוחות שמעורר חוסר ידע. אחרים נהנים מעצם החקירה - סקרנות מסוג I, הנאה אינטלקטואלית טהורה. ויש סוג שלישי, ואחד הממצאים המעניינים במחקר: אנשים שה-AI עצמו מעורר אצלם סקרנות שלא ידעו כלל שקיימת בהם. סוג זה כונה Wonder - הפליאה כיעד בפני עצמו. יזם ומנכ"ל שהשתתף במחקר תיאר את הרגע הזה בדיוק: "הבעיה עוד ענקית, הפתרון עוד לא רואים. ואז שוחחנו עם אנשים בעולם האיקומרס וזה פשוט פיצץ לנו את הראש." מנגד, אוטודידקט רב-תחומי הדגים דווקא את סקרנות ה-I הטהורה, הנאה מעצם החקירה: "יש לי מחויבות רק לסקרנות - הרצון לדעת ולבדוק עוד דברים. זו התכונה, זה המנוע."
הציר השלישי שואל מי פותח את השיחה. האם האדם מגיע אל ה-AI עם שאלה מוכנה מראש, או שה-AI הוא שמייצר עבורו את השאלה? ההבדל כאן משמעותי. אדם שמגיע אל הכלי עם בעיה מוגדרת מנהל שיח שונה לחלוטין מאדם שאצלו ה-AI פותח תהליך חשיבה שלא היה מתרחש בלעדיו. אוטודידקט שהשתתף במחקר תיאר דווקא את הכיוון ההפוך - האדם הוא שמביא את השאלה המוכנה: "סקרנות היא אחרי הרעיון: הסקרנות באה לבדוק רעיון ואיך הרעיון הזה משתלב בסדר הדברים." אצלו השאלה קודמת ל-AI; אצל אחרים ה-AI הוא שמוליד אותה.
הציר הרביעי בוחן למי מיועד השימוש בסופו של דבר: לאדם עצמו, לאדם ספציפי שהוא אוהב, לכיתה שלמה או לקהילה רחבה. מורה שמשתמשת ב-AI כדי, כדבריה, "להכין תוכן ל-30 תלמידים בזמן שלקח לי קודם להכין לחמישה", פועלת ממקום שונה לגמרי ממנכ"ל שמשתמש בכלי כדי לייעל את תהליכי קבלת ההחלטות שלו. פיזיותרפיסטית שהשתתפה במחקר תיארה כיצד ה-AI "עזר לי להגיע לפציינטים שלא יכולתי להגיע אליהם לבד" כאן המוטיבציה אינה יעילות אישית, אלא הרחבת המעגל של מי שאפשר לעזור לו.
"בניתי לבתי אפליקציה לניהול סוכר. זה לא היה פרויקט מחקר - זה היה אהבה."
מ'. (מורה-חוקרת)
שלושה ממצאים מרכזיים
הממצא הראשון נוגע לתפקידו של ה-AI כשותף שיוצר שאלות, ולא רק עונה עליהן. זהו אחד הממצאים הפחות צפויים: חלק מהמשתתפים סיפרו שהסקרנות שלהם כלל לא הייתה קיימת לפני השיחה עם ה-AI, וכי ה-AI הוא שיצר אותה. כפי שתיארה אחת המשתתפות, הכלי "מייצר שאלות שלא הייתי מגיעה אליהן לבד". כלומר, אין מדובר בכלי שרק משיב, אלא בשותף שמרחיב את מרחב השאלות האפשריות. להבחנה הזו יש השלכה ארגונית ישירה: עצם מתן הגישה ל-AI עשוי לעורר אצל העובד סקרנות חדשה, שכלל לא תכננתם מראש. מורה שהשתתף במחקר תיאר את ההשפעה הזו במילים פשוטות: "זה החזיר לי את הסקרנות. מאוד מאוד החזיר לי את הסקרנות." עבורו, הכלי לא רק ענה על שאלות - הוא עורר מחדש סקרנות שנדמה כאילו דעכה.
הממצא השני עוסק במצב שבו אי-ודאות איננה בעיה שיש לנהל, אלא תנאי קיום. אחד המרואיינים - מנכ"ל סטארטאפ בתחום ה-AI ולשעבר מפקד יחידה מיוחדת - תיאר מצב שאין לו עדיין שם בספרות המקצועית: הוא אינו רק סובל אי-ודאות, אלא בנוי ממנה. בלשונו, "אין מוצר, המוצר מתהווה". הוא אינו מנהל סיכון אלא חי בתוכו, ואף מוצא בכך הנאה. מצב זה כונה במחקר UaI, ראשי תיבות של Uncertainty-as-Identity (אי-ודאות כזהות). אין מדובר באומץ בלבד, אלא במבנה זהותי שמאפשר לאדם לפעול בתנאים שבהם אחרים פשוט אינם מסוגלים לתפקד.
"אנחנו לא שואלים אם תהיה אי-ודאות - זה הנתון. וזה גם טוב, כי זה פותח פתח להמון אפשרויות."
ג'. (יזם ומנכ"ל, לשעבר מפקד ביחידה מיוחדת)
"יש לי דחף פנימי למצוא את הקצה כל פעם. ניסיתי לעשות משהו אחר - זה לא עבד טוב."
ג'. (יזם ומנכ"ל, לשעבר מפקד ביחידה מיוחדת)
הממצא השלישי נוגע לוויתור על שליטה כאיום על הזהות. כאשר ה-AI עובר מכלי פשוט לכלי שמקבל מאות החלטות ביום באוטונומיה מלאה, מתרחש דבר מעניין: אנשים מתחילים להירתע. לא משום שהכלי אינו עובד, אלא משום שהם חדלים להיות אלה שמקבלים את ההחלטות. המחקר מצא שאין מדובר בשאלה טכנית של אמון בכלי, אלא בשאלה זהותית עמוקה: מי אני אם איני זה שקובע? חוקרת מהאקדמיה תיארה את אותו חשש בדיוק - הפחד להיראות כמי שאינו יודע: "הם פוחדים להיראות כאילו הם לא יודעים. זה עוצר אותם לפני שהם מתחילים." גם כאן המחסום אינו טכנולוגי אלא זהותי. אדם שמצליח לעבור את המחסום הזה - ולהציב לעצמו גבולות ברורים שבתוכם הוא בוחר לשחרר שליטה - משיג יתרון תחרותי משמעותי.
"חלקם לא משחררים כדי שיצטרכו אותם. חלקם מפחד - כי אין להם ביטחון בסיסי. ולפרוח באי-ודאות בלי ביטחון, זה לא עובד."
ג'. (יזם ומנכ"ל, לשעבר מפקד ביחידה מיוחדת)
מה המשמעות עבור מנהלים?
כאשר מתכננים הטמעה של AI בארגון, נשאלות בדרך כלל השאלות המוכרות: כמה עובדים ישתמשו בכלי? כמה שעות עבודה ייחסכו? ומה יהיה החזר ההשקעה? אלה שאלות חשובות, אך הן מודדות שימוש - לא למידה. ודווקא כאן, בנקודת המפגש בין הכלי לאדם, נכנסת לתמונה מחלקת הלמידה וההדרכה (L&D). אם שני עובדים בעלי אותם נתוני שימוש מפיקים מהכלי דברים שונים לחלוטין - אזי הכשרה אחידה לכולם תפספס את המטרה. תפקידה של מחלקת הלמידה אינו רק ללמד "איך להשתמש בכלי", אלא לזהות מי העובד שמולו - מה מניע אותו, למי הוא עובד, ואילו דפוסי שימוש יחזקו אותו לאורך זמן. המחקר הזה מציע להוסיף לפני כל פרויקט ארבע שאלות נוספות:
ראשית, איזו פעולה אני רוצה שהעובד יבצע עם ה-AI - לחקור, לבנות, לאמת או להגביר את השפעתו?
שנית, מהי הסקרנות שמניעה אותו - האם הוא סקרן מטבעו, או שדווקא ה-AI הוא שאמור לעורר אצלו את הסקרנות?
שלישית, האם אני רוצה שהעובד יגיע עם שאלה מוכנה, או שה-AI ייצר עבורו שאלות חדשות?
רביעית, מי הנהנה מהשימוש - העובד עצמו, לקוח מסוים, או הארגון כולו?
אלו ארבע שאלות שעשויות לשנות את תהליך הקליטה (onboarding) בארגון, את מדדי ההצלחה שאתם מציבים, ואת האופן שבו אתם בוחרים לאילו תפקידים להעניק גישה לאילו כלים.
עבור מחלקת הלמידה וההדרכה, כל ציר מתורגם לפעולה קונקרטית.
הציר הראשון - מה העובד עושה בפועל - אומר שהכשרה אחת "לכתיבת פרומפטים" אינה מספיקה; עובד שבונה זקוק ללמידה שונה מעובד שמאמת או שחושב בשותפות.
הציר השני - סוג הסקרנות - קובע אם צריך להצית סקרנות או רק להסיר חסמים מפניה; לעיתים התפקיד האמיתי של ההדרכה הוא לאפשר לעובד להרגיש בטוח מספיק כדי לשאול.
הציר השלישי - מי פותח את השיחה - משנה את תכני ההדרכה: האם מלמדים עובדים לנסח טוב יותר את השאלות שלהם, או גם להרשות ל-AI לפתוח עבורם כיווני חשיבה חדשים.
והציר הרביעי - מי הנהנה - קובע אילו סיפורי הצלחה כדאי להבליט בארגון: האם אלה של יעילות אישית, או גם אלה של עובדים שהרחיבו את המעגל של מי שהם עוזרים לו.
המשמעות המעשית ל-L&D היא מעבר מהכשרה אחידה למסלולים מותאמים: למפות את דפוסי הסקרנות והמוטיבציה בצוות, לבנות הכשרות שונות לפרופילים שונים, ולמדוד הצלחה לא רק בשעות שנחסכו, אלא גם בשאלה אם העובד לומד, מתפתח ונשאר סקרן לאורך זמן.
שפה חדשה מובילה לשאלות חדשות
מה שהמחקר הזה מציע בסופו של דבר הוא פשוט: שפה. לא תיאוריה חדשה, ולא מסגרת שיווקית, אלא אוצר מילים מדויק יותר. ברגע שיש בידינו מילים שמתארות את ההבדלים בין סוגי השימוש השונים, אנחנו יכולים לשאול שאלות שעד כה לא הצלחנו אפילו לנסח. אילו דפוסי שימוש מחזקים את האדם לאורך זמן? מתי ה-AI שוחק את הסקרנות במקום לטפח אותה? ומה על מנהל לעשות אחרת כשהוא מכניס AI לצוות?
אלו אינן שאלות פילוסופיות בלבד. אלו שאלות בעלות השפעה ישירה על תוצאות עסקיות - על שיעור האימוץ, על הביצועים, ובעיקר על השאלה החשובה באמת: האם ה-AI שהכנסתם לארגון מחזק את האנשים, או פשוט מחליף אותם באיטיות.
על ד"ר חני שילטון
מומחית בתחום מדידה והערכה בחינוך, חוקרת בתחום הסקרנות, בלמידה לאורך החיים ובגיל השלישי, ומנחה ומרצה בתחום הבינה המלאכותית.
תגובות